论文部分内容阅读
来自不同学科、不同地域的工程师被临时组织在一起,协同完成项目工作已成为当代制造企业产品开发的常见模式。不同领域的工程师们使用不同的CAD系统进行产品设计,导致企业数据库中保存了多种异构CAD产品模型。工程师在进行新产品的开发时,如果能有效地找出便于进行设计重用的现有CAD模型,可以缩短开发周期,降低开发成本,提高开发效率。然而,在异构CAD模型库中搜索出真正满足工程师需要的CAD模型非常困难。为了解决这一问题,本文研究基于语义的异构三维CAD模型检索方法,主要工作包括:(1)提出基于语义的异构CAD模型检索方法该方法基于本体对异构CAD模型进行统一描述,采用本体映射生成异构CAD模型的统一语义描述符;使用深度学习技术对CAD模型库中的模型进行自动分类,形成层次式的索引结构,并对输入查询模型采用先分类,再检索的查询方式,以压缩搜索空间,改善检索性能;利用改进的VSM方法、启发式的图匹配方法对CAD模型进行多模式的相似性度量,以满足工程师多样化的检索需求。(2)构建层次式的CAD特征本体首先分析并总结领域本体的评价准则,并以此为规范构建CAD特征本体。构建的CAD特征本体使用分层表示的结构,由B-rep本体层、公共特征本体层、系统特征本体层组成。公共特征本体层分为公共特征本体核心版和公共特征本体扩展版。公共特征本体核心版参考STEP国际标准进行构建,以便具有领域专业性和权威性,可以满足CAD领域的多种应用需求;公共特征本体扩展版在核心版的基础上进行了扩展和修改,旨在能够有效支持针对异构CAD模型的语义检索。(3)提出基于本体的异构CAD模型统一语义描述生成方法基于CAD特征本体,利用本体映射技术和语义推理技术,生成能够统一描述异构CAD模型的语义描述符,用于CAD模型的相似性度量。在进行从系统特征本体到公共特征本体的映射时,考虑CAD领域特征概念的独特内外部结构,选择并构造多个映射器,从多方面对特征概念进行相似性评价,以提高本体映射的准确率以及识别出CAD领域特征概念之间的复杂对应关系的能力。为了保证描述符语义的准确性和内容的丰富性,通过将领域知识形式化为SWRL规则并以其为基础进行语义推理,实现对统一语义描述符的完善。(4)提出基于深度学习技术的CAD模型分类和索引建立方法首先选择并提取CAD模型中有区分意义的特征,并通过预处理将其转换为高维输入向量;然后通过模拟工程师人工进行三维零件分类的思考过程,构建深层神经网络并将其作为CAD模型分类器;最后适当地选取并组合多种训练策略对深层神经网络进行训练,以提高其泛化性能。该方法将深度学习用于CAD模型自动分类,并以其为基础建立异构CAD模型库的索引结构,能够提高模型分类的准确性和模型检索的效率。(5)提出多模式的CAD模型语义相似性度量方法将VSM (Vector Space Model)引入异构三维CAD模型语义检索,利用改进的VSM方法对CAD模型进行基于向量的相似性度量,以支持快速并具有高查全率的CAD模型语义检索;利用启发式的图匹配方法对异构CAD模型进行基于特征关系图的相似性度量,以支持更准确的CAD模型语义检索。多模式的CAD模型语义相似性度量方法有利于满足工程师对模型检索在效率、准确性、查全性等方面的的不同需求。基于以上研究成果,实现了一个多模式的异构三维CAD模型语义检索原型系统OB-HCMR,通过检索实例验证了本文方法的有效性。